Discover Awesome MCP Servers

AWS Terraform MCP Server

A containerized Model Context Protocol server that enables using natural language to develop AWS infrastructure with Terraform, offering best practices guidance, security scanning with Checkov, and access to AWS provider documentation.

Company MCP Server - Google Workspace Integration

Enables Claude to interact with Google Workspace services including Gmail, Drive, Sheets, Docs, and Calendar. Provides comprehensive tools for reading, creating, and managing emails, files, spreadsheets, documents, and calendar events with built-in safety controls and audit logging.

DeepSeek Reasoner MCP

Okay, here are a few enhanced versions of "Sequential Thinking" MCP, depending on what kind of enhancement you're looking for. I'll provide options focusing on clarity, impact, and a more sophisticated tone. Choose the one that best fits your needs: **Option 1: Focus on Clarity and Simplicity** * **Original:** Sequential Thinking * **Enhanced:** **Thinking Step-by-Step** (This is the most straightforward and easily understood.) * **Spanish Translation:** **Pensamiento Paso a Paso** **Option 2: Focus on Impact and Action** * **Original:** Sequential Thinking * **Enhanced:** **Strategic Sequencing** (This implies a more deliberate and purposeful approach.) * **Spanish Translation:** **Secuenciación Estratégica** **Option 3: Focus on a More Sophisticated Tone** * **Original:** Sequential Thinking * **Enhanced:** **Linear Reasoning** (This is a more formal and academic term.) * **Spanish Translation:** **Razonamiento Lineal** **Option 4: Focus on Problem Solving** * **Original:** Sequential Thinking * **Enhanced:** **Ordered Problem Solving** (This highlights the application of sequential thinking.) * **Spanish Translation:** **Resolución de Problemas Ordenada** **Option 5: Focus on Process and Structure** * **Original:** Sequential Thinking * **Enhanced:** **Structured Thought Process** (This emphasizes the organized nature of the thinking.) * **Spanish Translation:** **Proceso de Pensamiento Estructurado** **Which one is best for you depends on the context.** For example: * If you're teaching children, "Thinking Step-by-Step" is ideal. * If you're discussing business strategy, "Strategic Sequencing" might be better. * If you're writing an academic paper, "Linear Reasoning" could be more appropriate. Let me know if you have a specific context in mind, and I can refine the options further!

BundlerMCP

Enables agents to query information about gems in a Ruby project's Gemfile, including source code and metadata.

Android Development MCP Server

Provides Android development assistance following NowInAndroid best practices, including architecture patterns, code generation for feature modules/ViewModels/repositories, and searchable documentation for Jetpack Compose and modularization.

mcp-stockfish

A Model Context Protocol server that lets your AI talk to Stockfish. Because apparently we needed to make chess engines even more accessible to our silicon overlords.

GitLab MCP Server

Enables AI assistants to interact with GitLab projects, allowing users to view merge requests, reviews, discussions, pipeline tests, and job logs through natural language queries.

Instagram Video Downloader MCP Server

Un servicio MCP ligero que permite la descarga programática de videos de Instagram a una ruta local especificada con seguimiento del progreso.

Logseq MCP Server

Connects AI assistants to Logseq knowledge graphs to read, write, and search pages, blocks, and journals via the Model Context Protocol. It features 17 tools for full graph management, including CRUD operations, batch block insertion, and full-text search.

DrissionPage MCP Server

A professional browser automation server that enables MCP clients to perform structured web navigation, element interaction, and data extraction using the DrissionPage framework. It features 14 deterministic tools optimized for LLMs to automate web workflows efficiently without relying on vision-based models.

Agentify MCP Server

Enables real-time tracking of AI task starts and completions with integrated webhook notifications for monitoring activity. It allows users to log progress and send task-related event data to external services via configurable webhook URLs.

Rime MCP

Un servidor de Protocolo de Contexto de Modelo que permite a los modelos de IA generar y reproducir audio de texto a voz de alta calidad a través del sistema de audio nativo de tu dispositivo utilizando la API de síntesis de voz de Rime.

TimeChimp MCP Server

Enables interaction with the TimeChimp API v2 to manage projects, time entries, expenses, and invoices through natural language. It supports full CRUD operations across all major TimeChimp resources, including advanced OData query filtering and pagination.

Google Drive MCP Server

¡Vamos a crear un servidor MCP en Google Drive! Empecemos con la hoja de cálculo.

Signal MCP

Una integración MCP para signal-cli que permite a los agentes de IA enviar y recibir mensajes de Signal, admitiendo mensajes directos, mensajes de grupo y manejo asíncrono de mensajes.

Financial MCP Server

A custom Model Context Protocol server that provides real-time financial analysis tools including stock monitoring, portfolio management, market summaries, and automated price alerts with Telegram notifications.

gnomAD MCP Server

Enables AI assistants to query genetic variant data, gene constraints, and population genetics information from the gnomAD (Genome Aggregation Database) through its GraphQL API. Supports searching for genes and variants, retrieving constraint scores, analyzing population frequencies, and accessing genomic coverage data.

MaiAgent MCP Server 3.0

An intelligent AI assistant routing and management platform that integrates 107 production-grade AI assistants into a unified enterprise intelligence service center.

Dingo MCP Server

Dingo MCP Server

Context Engineering MCP Platform

A platform that transforms AI development with intelligent context management, optimization, and prompt engineering, enabling developers to enhance model performance through structured context management and optimization tools.

dune-mcp

Dune MCP Server connects your AI assistant to Dune Analytics, the leading platform for blockchain data. Execute SQL queries across Ethereum, Solana, and 20+ chains to analyze DEX trades, token transfers, NFT sales, and wallet activity. Manage saved queries, upload custom datasets, and access curate

MCP Jupyter Server

Enables inspection and editing of Jupyter notebook files (.ipynb) through tools for reading, adding, updating, deleting, moving, and converting cells while preserving metadata.

MCP Code Mode

Enables AI agents to write and execute Python code in an isolated sandbox that can orchestrate multiple MCP tool calls, reducing context window bloat and improving efficiency for complex workflows.

Desmos MCP Server

Enables mathematical formula visualization and analysis through interactive plotting, formula validation, and symbolic computation. Supports both Desmos API integration and local matplotlib rendering for creating 2D mathematical graphs.

DA Live Admin MCP Server

Enables LLM assistants to manage Document Authoring (DA) repositories through the DA Live Admin API, supporting operations like listing, creating, updating, and deleting source files, managing configurations, and looking up media and fragment references.

MCPLab

Aquí tienes ejemplos, código, diseños y tutoriales sobre MCP (Model Context Protocol) servidor-cliente: **Es importante notar que "MCP (Model Context Protocol)" no es un término ampliamente reconocido o estandarizado en la industria del software. Es posible que te refieras a un protocolo específico que se usa internamente en un proyecto o empresa, o quizás a un concepto más general. Por lo tanto, la información que puedo proporcionar será basada en la *interpretación* de lo que podría significar un protocolo de este tipo, asumiendo que se trata de un protocolo para la comunicación entre un servidor y un cliente para el intercambio de información sobre modelos (de datos, de machine learning, etc.).** **Asunciones:** * **Propósito:** Permitir que un cliente solicite y reciba información sobre modelos disponibles en un servidor. Esto podría incluir metadatos del modelo, la estructura del modelo, ejemplos de datos, o incluso el propio modelo (dependiendo de la seguridad y el propósito). * **Arquitectura:** Un modelo cliente-servidor donde el servidor mantiene información sobre los modelos y el cliente la solicita. * **Formato de Datos:** JSON es un formato común para el intercambio de datos, por lo que lo usaremos en los ejemplos. Sin embargo, se podría usar otros formatos como Protocol Buffers, Avro, o incluso XML. * **Transporte:** HTTP/HTTPS es un protocolo de transporte común para este tipo de comunicación. También se podría usar gRPC o WebSockets. **Ejemplo Conceptual (Usando HTTP/JSON):** **1. Definición del Protocolo (Conceptual):** * **Solicitud (Cliente -> Servidor):** * `GET /models` - Obtiene una lista de todos los modelos disponibles. * `GET /models/{model_id}` - Obtiene información detallada sobre un modelo específico. * `GET /models/{model_id}/schema` - Obtiene el esquema del modelo (estructura de datos esperada). * `GET /models/{model_id}/example` - Obtiene un ejemplo de datos para el modelo. * **Respuesta (Servidor -> Cliente):** * JSON con la información solicitada. Los códigos de estado HTTP estándar (200 OK, 404 Not Found, 500 Internal Server Error, etc.) se utilizan para indicar el éxito o el fracaso de la solicitud. **2. Ejemplo de Código (Python - Flask para el Servidor, Requests para el Cliente):** **Servidor (Flask):** ```python from flask import Flask, jsonify app = Flask(__name__) # Simulación de datos de modelos models = { "model1": { "id": "model1", "name": "Predicción de Precios de Viviendas", "description": "Un modelo para predecir el precio de una vivienda basado en sus características.", "version": "1.0" }, "model2": { "id": "model2", "name": "Clasificación de Imágenes", "description": "Un modelo para clasificar imágenes en diferentes categorías.", "version": "2.0" } } model_schemas = { "model1": { "type": "object", "properties": { "area": {"type": "number"}, "bedrooms": {"type": "integer"}, "bathrooms": {"type": "integer"} }, "required": ["area", "bedrooms", "bathrooms"] } } model_examples = { "model1": { "area": 1500, "bedrooms": 3, "bathrooms": 2 } } @app.route('/models', methods=['GET']) def list_models(): return jsonify(list(models.values())) @app.route('/models/<model_id>', methods=['GET']) def get_model(model_id): if model_id in models: return jsonify(models[model_id]) else: return jsonify({"error": "Modelo no encontrado"}), 404 @app.route('/models/<model_id>/schema', methods=['GET']) def get_model_schema(model_id): if model_id in model_schemas: return jsonify(model_schemas[model_id]) else: return jsonify({"error": "Esquema del modelo no encontrado"}), 404 @app.route('/models/<model_id>/example', methods=['GET']) def get_model_example(model_id): if model_id in model_examples: return jsonify(model_examples[model_id]) else: return jsonify({"error": "Ejemplo del modelo no encontrado"}), 404 if __name__ == '__main__': app.run(debug=True) ``` **Cliente (Python - Requests):** ```python import requests SERVER_URL = "http://127.0.0.1:5000" # Cambia si el servidor está en otra dirección def list_models(): response = requests.get(f"{SERVER_URL}/models") if response.status_code == 200: print("Lista de Modelos:") print(response.json()) else: print(f"Error: {response.status_code} - {response.text}") def get_model_details(model_id): response = requests.get(f"{SERVER_URL}/models/{model_id}") if response.status_code == 200: print(f"Detalles del Modelo {model_id}:") print(response.json()) elif response.status_code == 404: print(f"Modelo {model_id} no encontrado.") else: print(f"Error: {response.status_code} - {response.text}") def get_model_schema(model_id): response = requests.get(f"{SERVER_URL}/models/{model_id}/schema") if response.status_code == 200: print(f"Esquema del Modelo {model_id}:") print(response.json()) elif response.status_code == 404: print(f"Esquema del Modelo {model_id} no encontrado.") else: print(f"Error: {response.status_code} - {response.text}") def get_model_example(model_id): response = requests.get(f"{SERVER_URL}/models/{model_id}/example") if response.status_code == 200: print(f"Ejemplo del Modelo {model_id}:") print(response.json()) elif response.status_code == 404: print(f"Ejemplo del Modelo {model_id} no encontrado.") else: print(f"Error: {response.status_code} - {response.text}") if __name__ == '__main__': list_models() get_model_details("model1") get_model_details("model3") # Modelo inexistente get_model_schema("model1") get_model_example("model1") ``` **3. Diseño:** * **Servidor:** * **API RESTful:** Usar una API RESTful con endpoints claros y bien definidos. * **Autenticación y Autorización:** Implementar mecanismos de autenticación (e.g., API keys, OAuth) y autorización para controlar el acceso a los modelos. Esto es *crucial* si los modelos son sensibles. * **Control de Versiones:** Gestionar las versiones de los modelos para permitir la compatibilidad con versiones anteriores. * **Logging y Monitoring:** Implementar logging y monitoring para rastrear el uso de la API y detectar problemas. * **Escalabilidad:** Diseñar el servidor para que pueda escalar horizontalmente para manejar un gran número de solicitudes. * **Cliente:** * **Manejo de Errores:** Implementar un manejo robusto de errores para lidiar con fallos de red, errores del servidor, etc. * **Reintentos:** Implementar lógica de reintento para solicitudes fallidas. * **Cache:** Implementar un mecanismo de cache para almacenar en caché la información del modelo y reducir la carga en el servidor. * **Asincronía:** Usar operaciones asíncronas para evitar bloquear la interfaz de usuario mientras se espera la respuesta del servidor. **4. Tutoriales y Recursos Adicionales:** * **Flask (Python):** [https://flask.palletsprojects.com/](https://flask.palletsprojects.com/) * **Requests (Python):** [https://requests.readthedocs.io/](https://requests.readthedocs.io/) * **RESTful APIs:** Busca tutoriales sobre cómo diseñar y construir APIs RESTful. * **Autenticación y Autorización:** Investiga sobre OAuth 2.0, JWT (JSON Web Tokens), y otros mecanismos de autenticación. * **gRPC:** Si necesitas un protocolo de alto rendimiento, considera gRPC: [https://grpc.io/](https://grpc.io/) * **Protocol Buffers:** Un formato de serialización eficiente para gRPC: [https://developers.google.com/protocol-buffers](https://developers.google.com/protocol-buffers) **Consideraciones Adicionales:** * **Seguridad:** La seguridad es primordial. Asegúrate de proteger los modelos y la información que se intercambia entre el cliente y el servidor. * **Rendimiento:** Optimiza el rendimiento del servidor y del cliente para garantizar una experiencia de usuario fluida. * **Documentación:** Documenta el protocolo y la API de forma clara y concisa. * **Pruebas:** Escribe pruebas unitarias y de integración para garantizar la calidad del código. **En resumen, el "MCP" que he interpretado es un protocolo para el intercambio de información sobre modelos entre un cliente y un servidor. La implementación específica dependerá de tus necesidades y requisitos. Los ejemplos de código y las consideraciones de diseño proporcionadas son un punto de partida para construir tu propio protocolo.** Si "MCP" significa algo diferente, por favor, proporciona más detalles para que pueda darte una respuesta más precisa.

MCP File Operations Server

Enables secure file management operations within a documents folder, including reading, writing, listing, deleting files and creating directories. Supports all file types with path validation to prevent access outside the designated documents directory.

MCP Server Directory

Descubre y comparte servidores de Protocolo de Contexto de Modelos para aplicaciones, desarrollo e integración de IA.

Airtable MCP Server

Enables complete interaction with Airtable databases through 16 CRUD operations including batch processing, schema management, and record manipulation. Designed for AI applications and n8n workflows with HTTP streaming support.

Mineru MCP Server

Enables document parsing through the Mineru API with support for multiple formats (PDF, DOC, DOCX, PPT, images), OCR, formula recognition, and table extraction in multiple languages.